考虑无差异阈值的多类用户多方式选择行为的预测方法

本发明涉及出行方式选择行为预测，特别是涉及考虑无差异阈值的多类用户多方式选择行为的预测方法。

背景技术：

1、出行方式选择行为分析是交通需求预测的基础，因此，科学合理的出行方式选择行为预测具有非常重要的现实意义。基于随机效用理论的离散选择模型被广泛应用于出行行为的预测中。这类方法假设出行者总是选择期望效用最大的备选方案。然而，simon提出的有限理性理论认为，人们在做决策时往往追求的是满意解、可行解，而不是最优解。在交通领域，许多行为实验也证明了出行者的决策行为很难做到完全理性，现实中人们的决策可能并不符合期望效用理论。于是，一些学者以满意决策准则为理论基础，放松了传统离散选择模型中效用最大化的假设，提出只有当备选方案间的效用差大于某一阈值(即无差异阈值)的时候，出行者才会选择效用最大的备选方案。zhang等用无差异阈值来表示出行者对交通方式出行成本变化的敏感程度，通过调查发现，无差异阈值是出行者方式选择行为的重要影响因素之一。krishnan认为如果与其他备选方案相比，某一个备选方案具有足够的吸引力，simon提出的有限理性理论中的“满意决策者”将再次成为效用最大化追求者，将无差异阈值定义为两种方案效用之间的“最小感知差异”，并提出了基于最小感知差异(minimum perceivable difference model,mpd)模型的预测方法。lioukas基于多项logit模型将krishnan的预测方法推广至两个以上备选方案的场景。李涛等提出了一个基于有限理性的两项logit(brbl)模型的预测方法，并探讨了无差异阈值对网络交通流逐日动态演化过程的影响。cantillo等设计了情景调查，场景中有两种选择，但是有三个选项，除了两种选择以外，还有一个选项是“两者是一样的”，研究基于调查数据建立了一个离散选择模型来预测个体基于无差异阈值的选择行为。wang等提出了基于双模式交通网络的有限理性均衡模型(brbe)的预测方法，，研究了最优的公交定价策略。张新洁等认为以上模型存在非相关选择方案的相互独立特性(independence form irrelevant alternatives,iia特性)，使得这类预测方法对于类似性较高的出行方式(如公交车和地铁)，会过大预测其被选择概率的倾向，进而提出了基于有限理性分层logit模型(brnl模型)的预测方法，随后，zhang等又将该预测方法进行了拓展，提出了基于动态演化模型的预测方法。

2、上述研究均假设出行者是同质的，都具有相同的无差异阈值，即对于所有出行者，能让其明确分辨出两个备选方案效用大小的效用差都是一样的。事实上，出行者对效用差的感知程度具有异质性，也就是说，对于不同的出行者而言，能让其明确判断出两个备选方案效用大小的无差异阈值是不同的。

技术实现思路

1、本发明的目的是提供考虑无差异阈值的多类用户多方式选择行为的预测方法，将无差异阈值定义为出行者对出行方式间成本差的敏感程度，并假设出行者对方式间成本差的敏感程度具有异质性，建立基于无差异阈值的多类用户出行方式选择模型，通过模型进而分析和预测不同类别出行者的方式选择行为。

2、为实现上述目的，本发明提供了如下方案：

3、考虑无差异阈值的多类用户多方式选择行为的预测方法，包括：

4、确定多方式交通网络，根据所述多方式交通网络构建交通方式选择分层logit模型；

5、在所述交通方式选择分层logit模型中引入无差异阈值，获取出行者对出行方式间成本差的敏感程度；

6、基于所述出行者对出行方式间成本差的敏感程度，构建基于无差异阈值的多类用户方式选择模型；

7、采用嵌套相继平均算法对所述基于无差异阈值的多类用户方式选择模型进行求解，获取各交通方式的分担量，完成对多类用户方式选择行为的预测。

8、可选地，确定所述多方式交通网络包括：

9、获取出行者从出发地到目的地的可选交通方式，根据所述可选交通方式确定所述多方式交通网络，其中，所述可选交通方式包括小汽车，公交车和地铁。

10、可选地，所述交通方式选择分层logit模型包括：第一层次和第二层次，其中，所述第一层次包括公交车和地铁，所述第二层次包括私人交通和公共交通，所述私人交通为小汽车。

11、可选地，在所述交通方式选择分层logit模型中引入无差异阈值的表达公式为：

12、

13、

14、式中，p(bus|pt)为出行者选择了公共交通条件下选择公交车的条件概率；p(car)为出行者选择小汽车的条件概率；ubus、usub、ucar、upt分别为公交车、地铁、小汽车和公共交通的感知出行成本，由固定项v和随机项ε组成，随机项ε服从gumbel分布；δ1为公交车和地铁间的无差异阈值，δ1≥0；δ2为小汽车和公共交通间的无差异阈值，δ2≥0。

15、可选地，构建所述基于无差异阈值的多类用户方式选择模型包括：

16、在出行者的无差异阈值中引入均匀分布，获取所有出行者无差异阈值的最大值和最小值，并将所有出行者根据递增的无差异阈值进行排序，获取所有出行者的分类，并计算每类出行者的交通需求；

17、基于每类出行者的交通需求，结合nl模型的性质，构建所述基于无差异阈值的多类用户方式选择模型。

18、可选地，所述基于无差异阈值的多类用户方式选择模型为：

19、pm(bus)＝pm(pt)·pm(bus|pt)

20、pm(sub)＝pm(pt)·pm(sub|pt)

21、

22、式中，pm(bus)、pm(sub)和pm(car)分别为m类出行者选择公交车、地铁和小汽车的概率；pm(pt)为m类出行者选择公共交通的概率；pm(bus|pt)为m类出行者选择了公共交通条件下选择公交车的条件概率；pm(sub|pt)为m类出行者选择了公共交通条件下选择地铁的条件概率；θ2为分层logit模型的第二离散系数；vcar为小汽车的广义出行成本，为公共交通的期望出行成本，δ2为小汽车和公共交通间的无差异阈值。

23、可选地，所述基于无差异阈值的多类用户方式选择模型中pm(pt)的计算公式为：

24、

25、所述基于无差异阈值的多类用户方式选择模型中pm(bus|pt)的计算公式为：

26、

27、所述基于无差异阈值的多类用户方式选择模型中pm(sub|pt)的计算公式为：

28、

29、式中，θ1分层logit模型的第一离散系数；vbus、vsub分别为公交车和地铁的广义出行成本，δ1为公交车和地铁间的无差异阈值，δ1≥0。

30、可选地，采用嵌套相继平均算法对所述基于无差异阈值的多类用户方式选择模型进行求解，获取各交通方式的分担量包括：

31、设置初始迭代次数和迭代终止误差，随机选取满足总需求的初始小汽车和公共交通的分担量，计算各交通方式的成本值，将所述各交通方式的成本值代入所述基于无差异阈值的多类用户方式选择模型中，获取小汽车和公共交通的分担量；

32、随机选取满足公共交通需求的初始公交车和地铁的分担量，计算公交车和地铁的成本值，将所述公交车和地铁的成本值代入所述基于无差异阈值的多类用户方式选择模型中，获取公交车和地铁的分担量。

33、可选地，获取所述各交通方式的分担量还包括：

34、对获取的所述小汽车和公共交通的分担量进行外循环更新，对获取的所述公交车和地铁的分担量增加嵌套内循环进行更新，若所述内循环和所述外循环满足收敛条件，则输出结果；若所述内循环和所述外循环不满足收敛条件，则重新设置所述初始迭代次数和迭代终止误差，再次进行计算。

35、本发明的有益效果为：

36、本发明将无差异阈值定义为出行者对出行方式间成本差的敏感程度，并假设出行者对方式间成本差的敏感程度具有异质性，建立了基于无差异阈值的多类用户出行方式选择模型，通过选取实际参数对模型求解，能够得到多类用户出行方式选择行为的预测结果，可以通过预测结果制定或者调整相关交通管理政策，提高交通需求管理的超前性。